共计 1673 个字符，预计需要花费 5 分钟才能阅读完成。
“将来，随着机器学习等模型的普遍化利用，模型治理的重要性越发凸显，ModelOps 将成为数据智能零碎开发运行过程的标配。”——北京九章云极科技有限公司董事长方磊博士。
时值 ModelOps 峥嵘初现，九章云极 DataCanvas 联结寰球出名市场数据及科技钻研平台 CB Insights 中国公布《2021 年 ModelOps 技术利用及趋势白皮书》。
报告指出，随着企业对模型治理的器重水平进步，ModelOps 这一高效赋能、迷信治理的形式将逐步遍及，成为企业 AI 治理模型“标配”。
溯源：要开发更要治理，ModelOps 应时而生
作为新一轮产业改革的外围驱动力，AI 技术在近年来一直倒退。数字化转型浪潮的席卷之下，企业纷纷加大 AI 投入，开发、部署的模型数量一直激增。
然而，在数字化转型的过程中，“重开发、轻治理”的风尚使得模型的开发、部署不连贯，技术利用的“最初一公里”难以推动，逐步成为企业无奈漠视的一环。
这一大环境下，ModelOps（Model Operations）应运而生，这种迷信的模型全生命周期治理框架，是 DevOps 及 MLOps 的扩大，将模型的全生命周期梳理为流程化、标准化的闭环，通过继续监控及验证以一直训练模型，达到生产优化的成果，补救了模型迷信治理形式的缺失。
图丨 ModelOps 与相干概念关系厘定（起源：CB Insights 中国）
技术：集流程化、监控、可视化等多功能一体，助力企业模型全生命周期迷信治理
ModelOps 平台是数据迷信和软件工程的联合产物，集成多种技术，从全局角度买通模型需要、开发、验证、审批、投产到利用以及下线的全流程。
白皮书从解析 ModelOps 平台中的核心技术登程，具体解释了 ModelOps 平台的外围性能，以及这些性能如何帮忙企业迷信治理模型。
图丨 ModelOps 平台建设与治理指标（起源：CB Insights 中国）
除了具备进步机器学习、AI 模型开发和运维效率的性能外，ModelOps 更关注模型资产治理。通过继续监控及可视化伎俩使模型稳定性、危险始终可控，以赋与企业迷信的模型全生命周期治理能力。其外围性能实现如下：
图丨 ModelOps 平台架构及外围性能实现（起源：九章云极 DataCanvas、CB Insights 中国）
利用：初现峥嵘，将实现对更多行业的笼罩
白皮书以工业场景和金融场景为例，分析 ModelOps 如何在特定场景中助力企业实现模型迷信治理、进步 AI 利用效率。同时，也指出 ModelOps 落地时面对的挑战、影响利用差异化的关键因素。
在工业等数字化过程绝对晚期的场景中，ModelOps 重于以无限的数据资源对企业赋能机器学习（比方在设施预测与衰弱治理中，以 AI 代替人工进行高效精确的实时预测）。
图丨 ModelOps 在工业智能场景中的作用流程（起源：CB Insights 中国）
在金融服务等数字化水平绝对当先的场景中，更重于开发态和经营态的买通以及之后的模型危险的治理（Model Risk Management，MRM）。
图丨九章云极 ModelOps 银行解决方案架构（起源：九章云极 DataCanvas、CB Insights 中国）
受制于数据安全焦虑等因素，ModelOps 的利用目前仍处在摸索的晚期阶段。将来，随着 ModelOps 的交互设计更敌对、兼容水平升高，企业管理者对模型治理的意识、了解更深，ModelOps 将实现对更多行业的笼罩。
瞻望：高维智能升高 AI 技术应用门槛
从模型算法设计到决策零碎利用，AI 技术倒退重心正悄悄转移。在 ModelOps 框架下，迷信的模型治理不仅使企业的 AI 打算更易从模型算法设计走向生产决策零碎利用，实现规模化效应，也使 AI 领有局部能动性，逐步走向自治化——“以 AI 治理 AI”变为可能。
自治化意味着更高维智能的实现，AI 的应用门槛更低。将来，ModelOps 继续监控、流程化、标准化、可复用的模型全生命周期治理框架将带动 AI 治理形式更迭。ModelOps 将无望成为企业 AI 治理的“标配”。
在公众号 九章云极 DataCanvas后盾回复关键词“ModelOps”获取完整版 PDF 报告
